Jedną z szeroko wykorzystywanych technik jest optyczne rozpoznawanie znaków (ang. Optical Character Recognition – OCR), czyli proces polegający na wyodrębnieniu tekstu, tabel oraz innych elementów obrazu strony z jego elektronicznej ilustracji. Obraz strony powstaje zazwyczaj w wyniku zeskanowania papierowego dokumentu lub otwarcia elektronicznego obrazu i jest nieedytowalnym dokumentem tworzącym obraz tekstu za pomocą dużej liczby pikseli. Technika OCR pozwala na analizę tego obrazu oraz utworzenie na jego podstawie edytowalnego dokumentu tekstowego, co jest możliwe dzięki wykorzystaniu metod z dziedziny rozpoznawania wzorców, czyli podejmowania czynności na podstawie pobranych danych surowych oraz kategorii, do której te dane należą, np. progowania. Ta część operacji OCR nazywana jest także cyfryzacją czyli zamianą analogowej postaci obrazu na postać cyfrową, nadającą się do dalszego działania z dokumentem.

Drugim etapem jest interpretacja odczytanego teksu zmierzająca do ustalenia czy jest on stroną książki fabularnej, fakturą zakupową czy umową o współpracy. Uczenie maszynowe pozwala na zidentyfikowaniu szeregu cech odczytanego tekstu, które to cechy pozwalają na ustalenie z wysokim prawdopodobieństwem z jakim typem dokumentu mamy do czynienia. Etap ten nazywany jest kwalifikacją dokumentu.

Ostatni, najtrudniejszy etap to ustalenie najważniejszych atrybutów odczytanego dokumentu np. autora książki, nadawcę korespondencji, numeru faktury itd. Ilość i rodzaj atrybutów zależy od rodzaju rozpoznanego dokumentu. Każdy atrybut posiada szereg cech pozwalających na jego wyodrębnienie z dokumentu takich jak położenie na dokumencie, dziedzina wartości, format (np. data) i wiele innych cech, których algorytmy inteligentne poszukują w celu zbudowania informacji o zawartości dokumentu.

Tak odczytany, zakwalifikowany i opisany dokument może być kierowany do organizacji w elektronicznym obiegu, który jest automatycznie wyzwalany dla każdego nowego dokumentu.